1

Rendimientos de la Escolaridad en un Contexto de Informalidad.

Felipe Alejandro Jiménez Rodríguez1

Resumen: En el presente estudio se comprobó la existencia de sesgo cuando se omite la variable

informalidad en las estimaciones de funciones de ingreso como la propuesta por Mincer (1974).

Adicionalmente, se pudo verificar que dicho sesgo constituye una proporción del rendimiento que

implica la formalización del trabajo. En este estudio se escogió México por los diferentes

comportamientos de informalidad para el 2014, en el que se evidenciaron niveles superiores al

60% frente a otros pises de América Latina; cabe aclarar que se tuvo en cuenta México por el

tratamiento de datos que realice en una semillero de investigación de “Mercado laboral y

Productividad SIMLAP”. De igual modo, se estimaron la tasas de rendimiento de la escolaridad de

la Población Económicamente Activa (PEA) mexicana de acuerdo a las observaciones de Barceinas

(2001) y Castillo (2015, 2016), y mediante un modelo de splines que toma en cuenta ocho campos

de formación académica en los niveles técnico, grado y posgrado.

Entre los resultados se pueden destacar: el efecto incremental de la educación sobre el rango de

ingresos; que existe una correlación negativa entre informalidad y escolaridad; y que las

ingenierías, el derecho y las ciencias de la salud se posicionan como las áreas del conocimiento

que proveen un mayor rendimiento.

Palabras Clave: capital humano, escolaridad, tasa de retorno, sesgo estadístico

Clasificación JEL: E24, J24, J31

Abstract: The present study proved the existence of bias when the variable informality is

omitted in the estimation of income functions as the proposed by Mincer (1974). In addition, it

was verified that this bias constitutes a proportion of the performance that involves the

formalisation of the work. In this study Mexico was chosen for the different behaviors of

informality 2014, in which 60% higher levels were apparent against other country in Latin

America; it is clear that Mexico was considered by the data processing performed in a hotbed of

research "Labour Market and Productivity SIMLAP". Similarly, the return rates of schooling of

the Economically Active Population (EAP) in Mexico was estimated according to the

observations of Barceinas (2001) and Castillo (2015, 2016), and using a model of splines which

takes into account eight academic areas at the technical, undergraduate and postgraduate level.

The results include: the incremental effect of education on income range; the existence of a

negative correlation between informality and schooling; and that engineering, law, and health

sciences are the knowledge areas that provide the highest returns.

1 Universidad Santo Tomás. Facultad de Economía. Bogotá D.C., Colombia: felipe.jimenez@usantotomas.edu.co

2

Keywords: human capital, schooling, return rate, productivity, statistical bias

I. INTRODUCCIÓN

El presente trabajo utiliza la Encuesta Nacional de Ocupación y Empleo (ENOE) de 2014, la cual

fue realizada por el Instituto Nacional de Estadística y Geografía (INEGI) de México, para evaluar

el efecto parcial de la informalidad sobre los retornos a la educación técnica, de grado y posgrado,

desglosando los siguientes campos de estudio: artes y humanidades, ciencias sociales, derecho,

ciencias exactas, negocios, ingenierías, salud y otras disciplinas.

La investigación permitió identificar que la informalidad es una variable relevante en las funciones

de ingreso de tipo minceriana y que su omisión genera sesgo. De igual modo se pudo estimar los

retornos a la educación técnica, grado y posgrado a través del promedio salarial.

Para algunos autores la informalidad en América Latina se ha convertido en una de las grandes

problemáticas del sector productivo, para ellos esto se debe a un desequilibrio en los sistemas

económicos en el sector formal en la actualidad por que no ha logrado absorber a gran parte de la

fuerza laboral productiva (Mizrahi, 1989). Cabe resaltar que en América Latina se ha evidenciado

un crecimiento demográfico a partir de los cuarentas, la salida de la fuerza laboral a las ciudades,

el aumento de la participación de la mujer y la falta de políticas que aceleren el proceso dinámico

de las nuevas actividades productivas en las regiones.

En términos generales se puede definir la informalidad como un grupo de actividades que le

aportan a una economía; estas actividades no cumplen con las características legales de una

actividad económica formal. Algunas de estas características que no aplican en la informalidad

son: la utilización de tecnologías complejas, plataformas avanzadas de producción y la división del

trabajo establecido. En un mundo globalizado, la informalidad carece de un respaldo legal que les

permita a las personas disfrutar condiciones justas en el mercado laboral. Muchas de las personas

que ejercen en la informalidad, no reciben un salario legal estipulado por cada país, en otras

palabras la informalidad carece de regulación por parte de los estados quien debe velar por el

bienestar de quienes cohabitan en un territorio delimitado.

Cabe resaltar el papel que juegan los gobiernos respecto al mercado laboral, a la hora de generar

empleos acordes con las necesidades del mercado, de igual manera el fortalecimiento competencias

de la fuerza laboral (innovación, experiencia, conocimiento) y una remuneración justa de acuerdo

con la legislación de cada uno de los países.

Es por esto que autores hablan de capacitar a sus trabajadores para generarles un crecimiento

sostenible y equilibrado con opciones de ascender en sus cargos laborales (Somovia, 2014);

(TRABAJO, 2010)

El proceso de globalización ha permitido la apertura de México al mercado mundial, y con ello, el

país se ha visto a merced de las dinámicas económicas internacionales. Entre las cuales, se pueden

citar: la deslocalización industrial, una creciente competencia y la aceleración del progreso técnico,

el cual se entiende como el desarrollo de métodos de producción más eficientes; de lo anterior las

dinámicas del mercado laboral mexicano han cambiado y las exigencias principalmente en el sector

industrial ha sufrido una trasformación; es por ello que la fuerza laboral Mexicana se ha adaptado

a las exigencias de las empresas (empleos modernos) y las personas han visto la necesidad de

especializarse en ciertos sectores con el fin de acceder a una mejor remuneración salarial y ayudar

al desarrollo y crecimiento económico de México.

3

El Instituto Nacional de Estadística y Geografía (INEGI) ha buscado las mejores herramientas para

poder determinar la contribución de la economía informal en la economía mexicana. Por ende la

economía informal, se ve reflejado en: “ los resultados sobre el Valor Bruto de la Producción, el

Consumo Intermedio y el Valor Agregado, tanto del Sector Informal como del Empleo Informal,

ambos valorados a precios corrientes del año base 2008 y el índice de precios implícito (geografía,

2008). Estas estadísticas se ven representadas en los puestos de trabajos remunerados y de igual

manera para nuestro estudio, podemos encontrar aquellos puestos de trabajo que no generan

remuneración legal vigente.

Es por ello que las estrategias de los gobiernos van encaminadas a un crecimiento equilibrado a

través de generar las oportunidades para que las personas puedan ingresas a las instituciones

educativos y así poder acceder a las demandas laborales de las empresas por medio del intercambio

de ideas y la experiencia que le permita ser más eficiente en sus cargos laborales.

Marco Teórico

En la década de los sesentas se formalizó la teoría del capital humano, gracias a las investigaciones

de Schultz (1961), Becker (1962), Denison (1967) y Mincer (1974) quienes comprobaron que la

producción no se explica exclusivamente por el incremento de los factores productivos en términos

cuantitativos sino también por sus características, el progreso técnico, la especialización y la

calidad del trabajo realizado, (AVSI & Fondazione per la Sussidiarietà, 2008).

Becker (1962), concentró sus estudios en torno a la educación y la incidencia de esta sobre los

salarios, con lo cual pudo demostrar una fuerte correlación entre el nivel educativo y los ingresos

laborales. Finalmente, amplió el concepto de capital humano al analizarlo como una inversión a

largo plazo que se ve influenciada por las expectativas, la incertidumbre, la salud, entre otras. De

esta manera, pudo concluir que este stock posee diversas tasas de rentabilidad (Ordaz, 2007).

Así mismo, Mincer (1974) logró explicar la asimetría salarial en términos de la diferencia en años

de capacitación formal o teórica (escolaridad) e informal2 o práctica (experiencia laboral) de las

personas, bajo el supuesto de que el salario se corresponde con la productividad marginal de estos

y su rendimiento depende de las habilidades adquiridas a través de dicha capacitación.

De este modo, tras observar que la inversión en educación responde a la expectativa de obtener

ingresos superiores en el futuro y que dicho comportamiento es captado por la función de ingresos

propuesta por Mincer (1974), se crean las condiciones para desarrollar futuras investigaciones,

relacionadas con los retornos según el nivel académico en un ambiente laboral.

Muchos de los países en América Latina han visto la necesidad de generar empleos productivos, el

principal reto de américa latina es mitigar la problemática del desempleo abierto; es por ello que el

estado debe propender por la generación de empleos más productivos y de igual manera mejorar la

remuneración de las personas económicamente activas. Es por ello que el proceso que se ha venido

adelantando desde los ochenta en América latina se ha visto truncado por la diferentes

problemáticas socio-económicas que ha permeado los procesos de evolución a mejores empleos

con mejores condiciones para la población. Es por ello que se debe tener en cuenta los conceptos

sobre informalidad y subocupación y su incidencia en los diferentes sectores económicos de los

países, para así tomar medidas que puedan mitigar esta problemática.

2 Se considera capacitación formal a la obtenida por medio de un currículo en el sistema educativo nacional, no

formal a aquella que no se rige por un plan de estudios e informal a la obtenida con la interacción social.

4

La informalidad puede ser definida de diferentes formas, a nivel mundial no se ha generado un

concepto claro sobre la informalidad, sin embargo diferentes autores han realizado algunas

aproximaciones a conceptos universales teniendo en cuenta diferentes fenómenos y el contexto de

las diferentes economías a nivel mundial. Para Economías como la Colombiana, la informalidad

está definida como: “todos aquellos empleados que no realicen aportes al SGSS por concepto de

salud y pensión…. Si bien, son criterios restrictivos que limitan el alcance de este fenómeno, nos

permiten abordar dicho tema con más facilidad” (Socarrás, 2011).

En el caso de la informalidad en México en proporciones del PIB ha registrado el 25%, mientras

que el sector formal registra el 75%; es decir que en el caso de la informalidad la población que

ocupa estos cargos es del 59,8% de la población total. El sector informal en México se ha

referenciado como aquellos negocios que no están registrado ante las instituciones del estado (no

están amparadas por la ley), quienes se dedican a la producción de bienes y servicio. Los problemas

que ha traído la creciente informalidad en México desde el 2005 ha sido la baja productividad en

el sector informal a raíz de que la mano de obra calificada en ciertas ocasiones se decide por la

informalidad y esto afecta el PIB, por lo tanto El gobierno y las instituciones tiene que controlar

la informalidad, para que se fortalezca el sector formal y se mejore la productividad de las personas

que laboran en sus puesto y se optimicen tiempos y procesos.

Antecedentes

Paralelamente a las investigaciones que dieron origen a la teoría del capital humano, Carnoy (1967)

desarrolló un estudio sobre las tasas de retorno a la escolaridad en América Latina, demostrando

que para el caso mexicano se comprueba que la desigualdad salarial encuentra gran parte de su

explicación en el diferencial de capacitación que presentan los empleados.

Más adelante y con datos de la Encuesta Nacional de Ingresos y Gastos de los Hogares (ENIGH)

en el año 1989, Bracho & Zamudio (1994) calcularon la rentabilidad de la educación en México a

través de la ecuación minceriana, utilizando diversos métodos para la estimación, entre los que

destacan el uso de años de escolaridad, la forma cuadrática de estos y niveles educativos completos

e incompletos.

Psacharopoulos, Vélez, Panagides & Yang (1996) realizaron un estudio comparado de las tasas de

retorno en México para los años 1984, 1989 y 1992 con los resultados de la ENIGH y la ecuación

minceriana, haciendo uso de la variable años de educación y variables binarias para los diversos

niveles educativos.

Barceinas (1999, 2001) compara las tasas de retorno obtenidas a través de la ecuación minceriana

clásica, con la ENIGH para el año 1992, 1994 y 1996.

Por otro lado, Sarimaña (2002) utiliza el método de Variables Instrumentales (VI) para establecer

las tasas de retorno con la ENIGH de 1998, demostrando un incremento de estas al considerar a la

educación como una variable endógena al modelo y ajustar la estimación.

López-Acevedo (2004) utiliza la Encuesta Nacional de Empleo Urbano (ENEU) para el período

1988-2002, haciendo uso de la ecuación minceriana, el método de quantile regression y agregando

variables como la rama de actividad económica, la región y la condición en el mercado laboral.

Por su parte, Ordaz (2007) hace uso de la ENIGH para los años 1994, 1996, 1998, 2000, 2002,

2004 y 2005, aplicando la función de ingresos de Mincer estimada por Mínimos Cuadrados

5

Ordinarios (MCO) y el método bietápico de Heckman, concluyendo que en efecto existe el sesgo

de selección y que al corregir esto las tasas tienden a ser más elevadas.

Por último, Morales-Ramos (2011) emplea el método de Control Fuction para corregir la ecuación

minceriana y el sesgo de habilidad a través de variables como el Índice de Habilidad Natural (IHN),

la infraestructura del hogar, la educación de la madre y la salud para estimar las tasas de retorno a

la educación con datos de la Encuesta Nacional sobre Niveles de Vida de los Hogares (ENNVIH).

Castillo (1974) estudió el comportamiento de las tasas de retorno y depreciación del capital humano

en México. Los resultados demuestran que los ingresos de los trabajadores tienden a incrementar

su dependencia del stock de capital humano acumulado a medida que estos envejecen.

En términos generales se aprecia una similitud de los autores en sus conclusiones anteriormente

citados.

II. METODOLOGÍA

Para llevar a cabo la investigación, se utilizan microdatos anonimizados3 con el fin de ofrecer

conclusiones macroeconómicas sobre el mercado laboral mexicano. Adicionalmente, se optó por

utilizar una versión simplificada de la función de ingresos de Mincer (1974) y un modelo de splines

que toma en cuenta las diversas disciplinas académicas en los niveles técnico, grado y posgrado.

Con el objetivo de confirmar la existencia de sesgo por omisión de variable relevante, se estimó

cada modelo en su versión general o no restringida y en su forma restringida, la cual controla el

efecto parcial de la informalidad.

Datos

El presente estudio utilizó el III trimestre de la Encuesta Nacional de Ocupación y Empleo (ENOE)

para el año 2014, contemplando a la Población Económicamente Activa (PEA) en las regiones

urbanas y rurales.

Cabe destacar que la encuesta fue elaborada por el Instituto Nacional de Estadística, Geografía e

Informática (INEGI) por medio de muestreo probabilístico, bietápico, estratificado y por

conglomerados, con lo cual se confirma su significancia estadística y la idoneidad de la misma para

el presente estudio.

No obstante se reconoce que a pesar de la calidad de la encuesta, esta presenta aspectos que

dificultan una estimación exacta de las tasas de rendimiento de la educación, debido a que su

condición de transversalidad implica que no se sigue la evolución de los ingresos vitales de un

mismo grupo de individuos. Así mismo se contempla que la recolección de los datos crea

complicaciones adicionales debido a que existen errores implícitos en la medición, como es el

hecho de la tendencia a subdeclarar los ingresos, a ignorar los pagos no monetarios, la falta de

consideración de la educación no formal, los saberes tradicionales, el aprendizaje en el hogar, entre

otros.

No obstante, dada la disponibilidad de información y los esfuerzos por mejorar la calidad de la

misma, todos los estudios similares utilizan dicho tipo de encuestas y se enfrentan a los problemas

antes mencionados. A pesar de ello, no se duda de la importancia y utilidad de los resultados

obtenidos y su capacidad para expresar la realidad verificable.

3 Las respuestas anónimas ofrecidas por cada individuo en las encuestas de hogares.

6

Tratamiento de los datos

Previamente al uso del modelo simplificado de Mincer (1974) se depuraron las bases de datos y

se realizó la construcción de las variables necesarias para esta investigación4. En primer lugar se

efectuó un proceso de imputación de ingresos simple, a fin de establecer el salario real de aquellos

trabajadores que no lo declararon ante los encuestadores, posteriormente se generó el logaritmo

natural del ingreso laboral de estos.

Con respecto a la educación, se utilizó el último título obtenido por las personas para crear una

variable discreta que identifica su nivel educativo en años de escolaridad de acuerdo al sistema de

enseñanza mexicano, adicionalmente se creó una variable binaria para cada nivel, la cual es

utilizada en el modelo de splines.

Cuadro 1: Valores de la variable discreta educación

Nivel educativo Años de escolaridad

Ninguno 0

Primaria 6

Secundaria 12

Técnico 15

Grado 17

Posgrado 21 Fuente: elaboración propia.

Nota: sólo se tienen en cuenta los años de educación completa, debido

a que los empleos son otorgados en función del último título obtenido

por los trabajadores.

Adicionalmente se aproximó la experiencia laboral a la potencial, la cual expresa los años de

trabajo que poseería el individuo tras culminar su primera infancia (6 años) y su período de estudios

formales5, de igual modo, se creó el cuadrado de la misma.

Con el fin de distinguir las disciplinas académicas que estudiaron las personas con títulos de nivel

técnico, profesional y posgrado, se crearon variables binarias utilizando la Clasificación Mexicana

de Programas de Estudio por Campos de Formación Académica de 2011 (CMPE). Por medio de

dicha clasificación la muestra se pudo filtrar de acuerdo a las siguientes áreas de conocimiento:

Cuadro 2: Campos de estudio seleccionados según la CMPE

Área Disciplinas

Artes y

humanidades

Bellas artes, artes escénicas, música, diseño,

teología, lenguas, literatura, arqueología,

filosofía, entro otros.

Ciencias

Sociales

Psicología, sociología, economía, trabajo

social, entre otros.

Negocios Mercadeo, comercio, finanzas, contabilidad,

administración, entre otros.

Derecho Derecho y criminología.

4 Para la depuración de los datos y las estimaciones se utilizó el paquete estadístico Stata 14. 5 Se define la experiencia potencial como Exp= Edad-años de escolaridad-6.

7

Ciencias

Exactas

Ciencias Naturales, física, química,

matemáticas, estadística, ciencias de la

computación, entre otros.

Ingenierías Ingeniería mecánica, civil, electrónica,

química, arquitectura, urbanismo, entre otros.

Ciencias de la

Salud

Medicina, enfermería, farmacología, entre

otros.

Otros Educación, agronomía, veterinaria, servicios,

entre otros.

Función de ingresos de Mincer (1974)

La función de Mincer (1974) suponen que los ingresos laborales están relacionados al stock de

capital humano de acuerdo con la siguiente función exponencial:

𝑤 = 𝐴𝑒β0+ β1edu𝑡+β2exptβ3𝑒𝑥𝑝𝑡2+𝜀

( 1 )

Al linealizar la ecuación se obtiene:

ln(𝑤) = β0 + β1edu𝑡 + β2expt + β3𝑒𝑥𝑝𝑡2 + 휀

( 2 )

Donde ln (w) representa el logaritmo natural del salario; edu𝑡 hace referencia a la educación

medida en t años; 𝑒𝑥𝑝𝑡 a la experiencia laboral potencial; 𝑒𝑥𝑝𝑡2 es el cuadrado de la experiencia

laboral, la cual capta la concavidad de la función de ingresos; 𝛽0 es el intercepto de la función; 𝛽1

y 𝛽2 corresponden a las tasas de retorno de cada variable; 𝛽3 indica la depreciación que sufre el

stock de capital humano como consecuencia del envejecimiento de los trabajadores y 휀 son los

errores del modelo. Si se desea profundizar en el tema de la depreciación del capital humano se

recomienda consultar el artículo de Castillo (2016).

Por otro lado, la informalidad fue incluida en la en el modelo, ecuación ( 3 ), a fin de evaluar el

sesgo que produce su omisión. En las secciones siguientes se utiliza el término no restringido para

denotar el modelo general y restringido para hacer referencia a cuando se controla el efecto parcial

de la informalidad.

ln(𝑤) = β0 + β1edu𝑡 + β2expt + β3𝑒𝑥𝑝𝑡2 + β4𝑖𝑛𝑓 + 휀

( 3 )

El signo esperado tanto de 𝛽1 como 𝛽2 es positivo por ser tasas de rendimiento, mientras que para

𝛽3 y 𝛽4 se esperan valores negativos ya que el primero indica la pérdida de productividad de los

trabajadores y el segundo identifica a las personas empleadas en el sector informal, las cuales

tienden a ejercer labores de menor productividad que sus contrapartes en el sector formal de la

economía (Castillo, 2016).

Modelo de splines

Para poder distinguir el rendimiento de cada nivel educativo sin utilizar la educación como variable

discreta se utilizó un modelo de splines como el siguiente:

ln(𝑤) = β0 + γ𝑘 ∑ 𝑛𝑣𝑙𝑘

5

𝑘=1

+ β2expt + β3𝑒𝑥𝑝𝑡2 + β4𝑖𝑛𝑓 + 휀

( 4 )

Donde 𝑛𝑣𝑙𝑘 es un conjunto de variables dicotómicas asociadas a cada nivel de educación, siendo

k=1 el valor de primaria hasta k=5 posgrado.

8

Por otro lado, para poder distinguir las tasas de rendimiento de la educación por Áreas de

conocimiento se agregó un conjunto de variables binarias, 𝑐𝑚𝑝𝑒𝑚, que indican los campos de

estudio relacionados a un nivel académico determinado6, siendo m=1 artes y humanidades hasta

m=8 para otras disciplinas. Los valores de dicho conjunto de dummies son descritos en la

subsección: tratamiento de variables.

ln(𝑤) = β0 + γ𝑘 ∑ 𝑛𝑣𝑙𝑘

5

𝑘=1

+ γ𝑚 ∑ 𝑐𝑚𝑝𝑒𝑚

8

𝑚=1

+ β2expt + β3𝑒𝑥𝑝𝑡2 + β4𝑖𝑛𝑓 + 휀

( 5 )

Cabe resaltar que todas las funciones fueron estimadas en su versión restringida y no restringida.

Por otro lado la ecuación ( 10 ) fue estimada en múltiples ocasiones ya que cuando se incluyeron

los campos de estudio de nivel técnico, se descartó k=3 (técnico) para evitar problemas de

multicolinealidad. Asimismo cuando se introdujeron las disciplinas de nivel profesional, se

prescindió de k=4 (grado) y al incluir las maestrías y doctorados, se excluyó k=5 (posgrado).

Supuestos y especificidades del modelo

La función de ingresos de Mincer (1974) y el modelo de splines que se describe en una subsección

posterior parten de los siguientes supuestos:

Se prevé la separabilidad entre la educación y la experiencia. Es decir, que la educación es

independiente de la experiencia y que se pueden medir por separado. Como consecuencia

de esto, las capacitaciones y educación durante el período laboral no son observados por el

modelo.

Se asume la inexistencia de retornos decrecientes al capital humano dada la linealidad del

logaritmo natural de los salarios ln(w).

Se supone que una sola función puede describir los ingresos durante el ciclo vital.

No se diferencia la experiencia inicial de la madura.

Se considera que el período de trabajo y estudio no es simultáneo, y que se empieza a

laborar inmediatamente después de haber terminado la escolaridad.

Se conjetura que el stock de capital humano es homogéneo.

Los supuestos antes mencionados han provocado severas críticas al modelo, dado que en la realidad

varios de ellos se incumplen, especialmente para el caso latinoamericano donde existen altas tasas

de desempleo, estudiantes que trabajan y elevados índices de informalidad y subocupación.

Por otro lado, se cuestiona que el modelo no involucra variables como la calidad y pertinencia de

la educación, así como la habilidad innata de las personas. Por esto se sospecha que los errores

están correlacionados con la escolaridad y por consiguiente se argumenta que la educación es una

variable endógena en el modelo y que las estimaciones de esta son sesgadas. Este hecho ha

motivado el uso de variables instrumentales para corregir la endogeneidad.

Sin embargo, el presente estudio omite la corrección de la endogeneidad porque debido al carácter

transversal de la base de datos utilizadas y la inexistencia de proxys adecuadas, se corre el riesgo

de acentuar el posible sesgo.

En la misma línea se descarta el control de la habilidad innata ya que esto supone los inconvenientes

antes mencionados y porque la investigación de Griliches (1977) evidencia que el sesgo ocasionado

por esto puede ser nulo o insignificante, ya que personas extremadamente hábiles pueden encontrar

incentivos tanto para estudiar como para no realizarlo.

6 Técnico, grado y posgrado.

9

Sesgo de selección y estimación

Debido a que los datos de las encuestas son de carácter ex post, se observa la existencia de un sesgo

de selección. Esto quiere decir que como existen diversas variables que condicionan que una

persona se encuentre empleada y perciba un ingreso laboral, la muestra de trabajadores no es

completamente aleatoria y se encuentra sujeta a estas variables que generan autoselección,

inclusión y exclusión de individuos en dicha muestra. Por lo tanto los resultados obtenidos son

significativos solamente para este determinado grupo, los trabajadores, que posee características

bien definidas. Esto constituye un sesgo según Lewis (1974) y Heckman (1979).

Para solucionar el sesgo de selección se utilizó el método bietápico de Heckman. Dicho modelo

emplea una ecuación de interés, es decir, la que se busca estimar y una de selección que expresa la

probabilidad de pertenecer a la muestra, es decir, de ser trabajador, dadas unas variables específicas

(González, 2014).

En el caso del presente artículo se utilizaron las función ( 2 ), ( 3 ), ( 4 ) y ( 5 ) como las ecuaciones

de interés y la siguiente como la de selección:

𝑑𝑡𝑟𝑎𝑏 = 𝛽0 + 𝛽1𝑒𝑥𝑝𝑡 + 𝛽3𝑒𝑑𝑢 𝑡 + 𝛽4𝑑𝑠𝑒𝑥𝑜 + 𝛽5𝑑𝑗𝑒𝑓𝑒 + 𝛽6𝑑𝑟𝑢𝑟𝑎𝑙 + 휀 ( 6 )

Donde 𝑑𝑡𝑟𝑎𝑏 es una variable binaria que especifica si las personas están ocupadas [1] o

desocupadas [0], 𝑒𝑥𝑝𝑡 expresa los años de experiencia potencial, 𝑒𝑑𝑢 𝑡 contempla los años de

escolaridad, 𝑑𝑠𝑒𝑥𝑜 también es una variable binaria que especifica si el individuo es hombre [1] o

mujer [0] , 𝑑𝑗𝑒𝑓𝑒 define a los jefes de hogar y 𝑑𝑟𝑢𝑟𝑎𝑙 detalla a quienes residen en zonas rurales.

La ecuación ( 4 ) fue escogida siguiendo las observaciones de Vignoli (2012) y González (2014).

De igual modo, se siguió el criterio de Castillo (2016) y se decidió prescindir del análisis de estado

civil, se incluyó la variable experiencia en lugar de la edad por su mayor capacidad explicativa y

se adicionó una variable referente a las zonas rurales para captar las diferencias en demanda laboral

de estas con respecto a las regiones urbanas.

Sesgo por omisión de variable

El presente estudio pretende comprobar la existencia de sesgo en las estimaciones de funciones de

ingreso de tipo minceriana que no controlen el efecto parcial de la informalidad. Para ello, se parte

de la teoría econométrica y el concepto de sesgo por omisión de variable.

El sesgo por omisión de variables indica que cuando existe un modelo de regresión lineal múltiple

como la ecuación ( 7 ) y por alguna causa se decide estimarlo sin incluir una variable relevante7,

como por ejemplo 𝑥2; los parámetros resultantes del modelo no restringido, ecuación ( 8 ), difieren

del valor del parámetro poblacional, ecuación ( 9 ).

𝑦 = 𝛽0 + 𝛽1𝑥1 + 𝛽2𝑥2 + 휀 ( 7 )

𝑦 = 𝜌0 + 𝜌1𝑥1 + 휀 ( 8 )

𝐸(�̂�1) = 𝛽1

𝐸(�̂�1) = 𝛽1 + 𝛽2𝛿1̃8

( 9 )

7 Es decir que esté correlacionada con y o con 𝑥1. 8 𝛿1̃ hace referencia a la pendiente de la regresión.

10

Es decir, si se omite 𝑥2 se estará estimando 𝜌1 en lugar de 𝛽1, siempre y cuando 𝑥2 y 𝑥1 estén

correlacionadas. Esto se puede observar en la ecuación ( 10 ).

𝜌1 = 𝛽1 + 𝛽2 ∗𝐶(𝑥1, 𝑥2)

𝑉(𝑥1)

( 10 )

En tal sentido, si el objetivo de una investigación es analizar el efecto parcial de 𝑥1 sobre 𝑦, es

menester considerar las variables relevantes para el modelo, y especialmente aquellas que puedan tener una

incidencia marcada sobre 𝛽1 ya que su omisión provoca que se obtenga 𝜌1, el cual cuenta con una varianza

mayor y una perturbación que podría sesgar los análisis.

Es complicado establecer la magnitud del sesgo a simple vista, sin embargo la ecuación ( 10 )

permite prever si este supondrá una sub- o sobre-estimación de los parámetros debido a que

teóricamente se puede inferir el signo tanto de 𝛽2 como de la correlación entre 𝑥1 y 𝑥2.

En vista de que la presente investigación y las citadas en la subsección de antecedentes se enfocan

en el estudio de las tasas de retorno de la educación, 𝛽1, se puede afirmar que el sesgo por omisión

de variables relevantes es un aspecto de marcada importancia para estas.

En tal sentido, si se logra demostrar que se omitieron variables relevantes en los modelos utilizados

por dichas investigaciones se confirmaría que los parámetros sobre los cuales se realizaron

inferencia no son los Mejores Estimadores Lineales Insesgados (MELI).Este hecho no invalida las

conclusiones obtenidas por las investigaciones anteriores ya que por lo general se han identificado

tendencias generales que seguramente se mantienen a pesar del sesgo por variable relevante

omitida.

Sin embargo, identificar el efecto de la informalidad sobre los retornos a la escolaridad puede ser

esclarecedor para la coordinación interministerial a la hora de formular políticas de empleo y

educación.

III. RESULTADOS

Estadísticas descriptivas

La informalidad en la última mitad del siglo ha tenido un crecimiento considerable, esto se ha dado

por las malas políticas que los gobiernos han implementan para poder desarrollar empleos

productos y mejores condiciones salariales, alcanzando un 60% de informalidad en la fuerza laboral

de México; es por esto que los países durante el proceso de modernización, identificaron las

necesidades según los niveles educativos e ingresos de las personas económicamente activa. En

este estudio juega un papel importante la informalidad y el desempleo para identificar en un país

como México, que tan importante es el nivel educativo.

Cuadro 3: Porcentaje de informalidad y desempleo por nivel educativo

Nivel educativo Informalidad Desempleo Observaciones

Sin educación 85.34% 3.24% 3,732

Primaria 72.56% 4.00% 33,156

Secundaria 49.85% 6.18% 83,385

Técnico 34.70% 4.39% 7,931

Grado 25.14% 6.34% 34,890

11

Posgrado 9.56% 3.19% 3,075

Total % 48.52% 5.57% 100%

Total 80630 9262 166,169 Fuente: elaboración propia con datos de la ENOE III de 2014.

En el cuadro 3 se presenta los datos y porcentajes de la informalidad y el desempleo según el nivel

educativo; esos datos fueron proporcionados la Encuesta Nacional de ocupación y Empleo (ENOE)

para el 2014. Las observaciones utilizadas para el estudio fueron de 166.169 para los diferentes

niveles educativos, donde se evidencio que en los primeros años de formación de las personas,

desde la primaria hasta el grado, el nivel de desempleo va aumentando de forma muy leve, contrario

a el posgrado donde se nota una reducción del desempleo; esto quiere decir que en el mercado

laboral, es apetecido las personas que han alcanzado este nivel educativo. Respecto a la

informalidad el nivel de posgrado, el nivel de informalidad es muy bajo respecto al grado

profesional con una diferencia del 15%. Cabe aclarar que México es uno de los países con la

población más educada a nivel Latinoamérica.

Cuadro 4: Distribución porcentual de las disciplinas por nivel académico

Área Técnico Grado Posgrado Total

Artes y Humanidades 10.30 82.79 6.91 3.28

Ciencias Sociales 6.51 83.09 10.40 5.26

Negocios 15.00 78.74 6.26 26.11

Derecho 0.05 94.55 5.40 8.24

Ciencias

Exactas 21.91 69.84 8.24 6.10

Ingenierías 22.63 74.97 2.40 21.72

Ciencias de la Salud 5.42 81.54 13.04 7.43

Otros 27.53 64.00 8.48 21.86

Total 17.27 76.03 6.70 100.00 Fuente: elaboración propia con datos de la ENOE III de 2014.

En el cuadro 4 sobre distribución porcentual de las disciplinas por nivel académico, México ha

mostrado su intención de preparar a su población en sus grados educativos; es por ello que del

100% de las personas en proceso de formación académica, el 76% ha logrado alcanzar un nivel

profesional, mientras que el 23.97% de la población están repartidos entre el nivel técnico y el nivel

de posgrado; esto quiere decir que la población se ha concentrado en el nivel profesional y son muy

pocos los que logran llegar al nivel de un posgrado según las necesidades del mercado laboral.

Cuadro 5: Porcentaje de informalidad por nivel académico y disciplina

Área Técnico Grado Posgrado

Artes y Humanidades 45,16 36,52 11,54

Ciencias Sociales 38,85 29,68 16,33

Negocios 35,26 24,79 10,27

Derecho 0 29,45 10,78

Ciencias

Exactas 30,78 25,34 9,52

Ingenierías 29,15 23,23 12,13

12

Ciencias de la Salud 26,49 26,64 6,97

Otros 39,49 21,12 7,05 Fuente: elaboración propia con datos de la ENOE III de 2014.

En el caso de México la informalidad sufre una reducción a medida que aumenta el nivel educativo;

esto se explica a raíz de que las personas buscan prepararse para poder afrontar los retos que el

mercado laboral les exige. En la actualidad el sector privado representa el 84% de la economía

mexicana, la cual esta segmentada por la industria manufacturera, comercio y servicios lo cual el

mercado laboral existente y en proceso, debe replantearse la necesidad de que la instituciones

educativas, aporten a los estudiantes, herramientas que le permitan ser más competitivos y

productivos en los sectores de la economía que así lo exijan.

Cuadro 6: Porcentaje de desempleo por nivel académico y disciplina

Carreras Técnico Grado Posgrado

Artes 2,58 7,38 1,92

Ciencias Sociales 1,91 7,98 3,19

Negocios 4,89 6,23 4,13

Derecho 0 6,27 1,96

Ciencias

Exactas 9,28 7 4,76

Ingenierías 3,85 7,54 3,77

Ciencias de la Salud 2,16 4,35 1,35

Otros 3,8 5,09 3,17 Fuente: elaboración propia con datos de la ENOE III de 2014.

El desempleo en México aumento del nivel técnico a grado profesional, esto se explica por la

necesidad que tienen los empresas de contratar técnicos para que desarrollen tareas específicas; en

el caso de posgrados, la tasa de desempleo baja por la necesidad de especializar a sus trabajadores,

mejorando la calidad de la tareas que se necesiten. Todo esto se verá reflejado en las políticas que

el gobierno tome respecto a los retornos salariales y las condiciones laborales que se briden a la

fuerza laboral, de acuerdo a las capacidades y nivel educativo de la fuerza laboral. Para el sector

formal, existe una gran brecha con el sector informal y esto se ha dado por la falta de preparación

del personal, para poder afrontar los retos productivos de la economía Mexicana.

13

Cuadro 7: Salario promedio real mexicano y desviación estándar por disciplinas y nivel académico

Carreras Técnico Grado Posgrado

Artes y Humanidades 5,695.88 7,021.66 12,008.11

287.25 131.17 807.19

Ciencias Sociales 5,918.27 7,204.76 12,065.12

307.62 114.83 555.06

Negocios 6,293.72 7,943.34 13,147.96

114.19 66.03 516.14

Derecho 9,443.12 8,013.75 13,396.00

1,344.73 104.79 874.98

Ciencias Exactas 6,009.06 7,894.22 12,856.55

163.26 135.48 627.62

Ingenierias 6,662.56 8,996.97 12,797.24

85.95 85.41 582.84

Ciencias de la Salud 7,080.07 8,376.09 13,167.40

328.19 136.28 374.64

Otros 5,484.55 7,761.56 11,124.92

69.66 64.50 263.07

Total 6,094.77 8,099.10 12,431.27

4,153.91 6,358.56 10,331.30 Fuente: elaboración propia con datos de la ENOE III de 2014.

El cuadro 7 sobre salarios promedios reales en México desviación estándar por disciplinas

y nivel académico, en el caso del derecho no es significativo en el caso del derecho en el nivel

técnico, cuenta con solo dos observaciones, imposibilitando un mejor análisis en esta rama y en el

nivel académico anteriormente mencionado.

En el caso de las diferentes carreras en estudio, se evidencia que en todas las carreras a medida que

aumenta el nivel académico, el retorno salarial va aumentado de forma proporcional; es decir que

a medida que las personas van creciendo en sus niveles educativos, para afrontar los retos que el

mercado laboral exige, la remuneración salarial va aumentando. La desviación estándar por nivel

académico y carrera, refleja que del nivel técnico hay un salto al posgrado respecto a la media de

los datos. Es por ello que esto nos indica la inclinación que tiene los datos hacia el nivel técnico y

posgrado y no tanto al nivel profesional; esto se da a raíz de las transformaciones en el mercado

laboral en el sector industrial y servicios, que acumula la mayor fuerza laboral en la actualidad.

14

Sesgo por omisión de la informalidad y retorno por formalización del trabajo

Entre los objetivos del presente estudio se puede destacar la comprobación de la existencia de

sesgo cuando se omite la variable informalidad en cálculos de la tasa de retorno de la educación

mediante funciones de ingreso de tipo minceriano.

La mencionada comprobación se realizó a través de un proceso de tres etapas. En la primera se

verificó la significancia estadística de la informalidad en ecuaciones de ingreso de tipo minceriano

y su fundamento teórico9; en la segunda se confirmó la correlación existente entre la educación y

dicha variable y en la tercera fase se estimó el modelo de Mincer (1974) y su versión restringida

que controla el efecto parcial de la informalidad. Posteriormente se analizaron los resultados

obtenidos y la magnitud del sesgo encontrado en cada nivel de escolaridad, desde la educación

primaria hasta el pos-gradual. Finalmente se estimaron los retornos de las ocho áreas del

conocimiento seleccionadas en nivel técnico, profesional y posgrado.

La primera y segunda etapa de la comprobación del sesgo se realizó por medio de una matriz de

correlación entre las variables que incluyen el modelo de Mincer (1974) y la informalidad.

En el Cuadro 8 se puede observar que existe una importante relación negativa entre el logaritmo

natural del ingreso laboral y la informalidad. Es destacable que el coeficiente de correlación de la

informalidad es -0.357, casi proporcional al que presenta la educación 0.377 aunque en sentido

opuesto. Este hecho permite corroborar la relevancia de la informalidad a la hora de explicar los

ingresos laborales de la Población Económicamente Activa (PEA).

Cuadro 8: Matriz de correlación entre las variables del modelo de Mincer (1974) y la informalidad

Ln(w) Edu. Exp. Exp2. Inf.

Ln(w) 1.000

Edu. 0.377 1.000

Exp. -0.016 -0.470 1.000

Exp2. -0.073 -0.504 0.952 1.000

Inf. -0.357 -0.353 0.083 0.124 1.000

Fuente: elaboración propia con datos de la ENOE III de 2014.

En el mismo orden de ideas, se puede resaltar la correlación negativa existente entre la escolaridad

y la informalidad. Este resultado indica que en el sector informal predominan los trabajadores con

un nivel educativo bajo y que la probabilidad de pertenecer a dicho sector se reduce a medida que

las personas incrementan su nivel educativo.

9 Consultar el marco teórico.

15

Gráfico 1: Diagrama de dispersión entre el salario, a) nivel educativo y b) la informalidad

Fuente: elaboración propia con datos de la ENOE III de 2014.

De acuerdo con lo anterior, se confirma que la informalidad es una variable relevante para

el modelo minceriano y que existe una importante correlación entre dicha variable y la educación.

Por tal motivo, se cumplen los dos requisitos necesarios para que exista sesgo por omisión de

variable al estimar la tasa de retorno de la escolaridad cuando no se controla el efecto parcial de la

informalidad.

En la tercera etapa de la comprobación de la existencia del sesgo se estimó el modelo

minceriano original, es decir el no restringido, y dicho modelo controlando el efecto parcial de la

informalidad.

En el Cuadro 9 antes mencionada. Entre los aspectos a resaltar se pueden destacar los siguientes: a)

los parámetros difieren en su cuantía debido al sesgo por omisión de variable; b) cuando no se

incluye la informalidad en las estimaciones se incurre en un sesgo positivo o sobreestimación de

los parámetros debido a que la correlación de dicha variable tanto con el logaritmo natural del

ingreso como con la educación es negativo; c) los coeficientes del modelo restringido presentan

una menor varianza; d) se obtienen los signos esperados para cada 𝛽𝑘, y e) todos los resultados

son estadísticamente significativos al 1%.

Es importante resaltar que las personas empleadas en el sector informal perciben un salario

inferior en un 29.55% en comparación a los trabajadores del sector formal. Por otro lado, cada año

de escolaridad incrementa el ingreso laboral en un 5.17%. Dicha tasa de retorno difiere del 6.49%

que proporciona el modelo no restringido y la diferencia entre ambos coeficientes es provocada

por el sesgo por omisión de la informalidad.

Adicionalmente, el 1.32% de diferencia entre los parámetros del modelo restringido y no

restringido puede ser interpretada como una proporción de un retorno no observado por la

condición de trabajador en el sector formal. Es decir, en vista de que la informalidad y la educación

presentan una relación inversa, se puede esperar que a mayor nivel educativo las personas tiendan

a posicionarse en el sector formal de la economía. Este hecho se confirma con los datos expuestos

por el Cuadro 3.

De acuerdo con lo anterior, se puede afirmar que si no se controla el efecto parcial de la

informalidad, las tasas de rendimiento de la escolaridad muestran el efecto incremental real de la

educación en los salarios más un rendimiento adicional que es causado por la mayor propensión a

desempeñar una labor en el sector formal. Más adelante se discutirá a mayor profundidad este tema.

16

Sin embargo, al inspeccionar la disparidad que presentan los parámetros del modelo

restringido y no restringido, en la tercera columna del Cuadro 9, el lector puede dudar de la

significancia estadística de dicha diferencia y requerir de una prueba de hipótesis. Sin embargo los

resultados del modelo desagregado por niveles educativos, Cuadro 10, permiten verificar a simple

vista que la diferencia es significativa y relevante.

Cuadro 9: Coeficientes del modelo de Mincer (1974).

No Restringido Restringido Diferencia

Educación 6.492*** 5.174*** 1.318

1.04E-03 9.83E-04 5.65E-05

Experiencia 1.692*** 1.394*** 0.298

1.30E-03 1.18E-03 1.18E-04

Experiencia2 -0.029*** -0.024*** -0.005

1.96E-05 1.79E-05 1.70E-06

Informal --- -29.554*** ---

--- 0.0061349 ---

Constante 7.638*** 7.960*** -0.321

4.37E-02 4.02E-02 3.45E-03

Mills -1.380*** -1.254*** -0.127

1.77E-01 1.61E-01 1.62E-02 Fuente: elaboración propia con datos de la ENOE III de 2014.

Nota: el valor de los coeficientes es presentado como porcentaje. La

columna denominada diferencia muestra los resultados del modelo no

restringido menos los obtenidos por el restringido.

***p<0.01, ** p<0.05, * p<0.1.

El Cuadro 10 presenta los resultados del modelo de splines desagregado por nivel

académico. Se puede constatar que se obtienen los signos esperados y se confirma el efecto

incremental que posee el nivel educativo sobre el rango de ingresos laborales.

Nuevamente se observa que el sesgo por omisión de la informalidad genera una

sobreestimación de la tasa de retorno a la educación así como una mayor varianza en los

coeficientes.

Cabe destacar que como se controla el efecto parcial de la educación primaria hasta la

posgradual, el grupo de comparación sobre el que trabajan las variables binarias son las personas

sin escolaridad, es decir aquellas que no culminaron ningún nivel académico.

Los resultados del Cuadro 10 demuestran que la tasa de retorno a la educación presenta una

senda creciente de acuerdo con el nivel académico de los trabajadores. En tal sentido el título de

primaria incrementa el ingreso de los trabajadores en un 20.62% mientras que un diploma de

posgrado asegura que los poseedores de este reciben más del doble del salario que perciben las

personas sin títulos de educación formal.

En cuanto a la diferencia entre los coeficientes del modelo restringido y no restringido se

observa que la disparidad es creciente, iniciando en un 2.73% en el nivel primario hasta un 22.24%

en el posgrado. Este resultado puede parecer contraintuitivo si se recuerda que el Cuadro 5

demuestra que la proporción de trabajadores en el sector informal presenta una relación negativa

con respecto al nivel educativo, es decir que en dicho sector predominan las personas con menor

17

escolaridad. De acuerdo con lo anterior, el lector podría esperar que el sesgo fuera igualmente

decreciente.

Cuadro 10: Coeficientes del modelo de splines por nivel educativo.

Variable No restringido Restringido Diferencia

Primaria 23.345*** 20.619*** 2.725

1.80E-02 1.65E-02 1.54E-03

Secundaria 50.300*** 40.302*** 9.998

1.88E-02 1.73E-02 1.53E-03

Técnico 63.466*** 49.323*** 14.143

2.18E-02 2.01E-02 1.73E-03

Grado 96.739*** 78.872*** 17.867

2.01E-02 1.86E-02 1.48E-03

Posgrado 134.481*** 112.238*** 22.243

2.69E-02 2.49E-02 2.03E-03

Exp 2.110*** 1.763*** 0.348

1.02E-03 9.37E-04 8.57E-05

Exp2 -0.039*** -0.033*** -0.007

1.57E-05 1.44E-05 1.30E-06

Informal --- -28.870***

--- 0.0048

Constante 7.7914*** 8.0636*** -0.272

3.64E-02 3.36E-02 2.81E-03

Mills -1.0699*** -0.9783*** -0.0916

1.38E-01 1.26E-01 1.18E-02

Fuente: elaboración propia con datos de la ENOE III de 2014.

Nota: el valor de los coeficientes es presentado como porcentaje. La

columna denominada diferencia muestra los resultados del modelo no

restringido menos los obtenidos por el restringido.

***p<0.01, ** p<0.05, * p<0.1.

Sin embargo, si se recuerda que la informalidad y la formalidad son mutuamente

excluyentes, se puede comprender que controlar cualquiera de ambas produce el mismo efecto. Por

esta razón es más sencillo entender la tendencia creciente del sesgo si se aborda desde la perspectiva

de la formalidad.

En tal sentido se puede explicar que el sesgo aumente con los años de escolaridad debido a

la relación positiva entre formalidad y nivel educativo o la correlación negativa entre informalidad

y título obtenido.

Es decir, la senda incremental del sesgo se encuentra explicada por la mayor proporción de

trabajadores formales en los niveles académicos más altos y por la menor proporción de

trabajadores informales en estos. Dicha explicación permite argumentar que si no se contrala el

efecto parcial de la informalidad, las tasas de rendimiento de la escolaridad recogen una proporción

de un retorno por formalización del empleo o condición de formalidad.

18

El análisis efectuado previamente puede ser comprobado de manera gráfica si se observan

tanto el Gráfico 2 como el Gráfico 3. En ellos se puede identificar la predicción del ingreso que

realizaron el modelo restringido (R) y el no restringido (NR). Es importante resaltar que como el

modelo restringido (R) incluye la informalidad, este genera dos interceptos que dan origen a dos

funciones de ingreso, una para los trabajadores formales y otra para los informales.

Gráfico 2: Predicción del ingreso (�̂�) mediante el modelo restringido y no restringido. Secundaria y Grado

Fuente: elaboración propia con datos de la ENOE III de 2014.

Nota: se graficaron niveles educativos intercalados para facilitar la

visualización de los datos.

Gráfico 3: Predicción del ingreso (�̂�) mediante el modelo restringido y no restringido. Técnico y Posgrado

Fuente: elaboración propia con datos de la ENOE III de 2014.

Nota: se graficaron niveles educativos intercalados para facilitar la

visualización de los datos.

19

Al observar la función que describe el modelo no restringido (NR) desde el nivel secundario hasta

posgradual, se puede identificar que sus predicciones tienden a converger con las líneas trazadas

por el modelo restringido para los trabajadores formales a medida que se incrementa el nivel

académico. Dicha dinámica se puede observar con mayor claridad si se advierte que la curva del

modelo no restringido se encuentra en un nivel intermedio con respecto a las del restringido para

el nivel de secundaria en el Gráfico 2, mientras que en el Gráfico 3 se percibe claramente que la

curva para el nivel de posgrado, delineada por el modelo no restringido, converge con el arco

trazado por el modelo restringido para los trabajadores con título de maestría y doctorado que se

desempeñan en el sector formal de la economía.

De este modo se confirma que el sesgo por omisión de la informalidad que identifica el

presente estudio es en realidad un retorno por la formalización del trabajo que no había sido

observado.

Rendimientos de la escolaridad por áreas del conocimiento

En cuanto a las tasas de retorno de la escolaridad por áreas del conocimiento, los resultados del

Cuadro 11 confirman las conclusiones obtenidas en la subsección anterior ya que se observa el claro

efecto incremental de la educación sobre los salarios. No obstante, dichos resultados permiten

ampliar la discusión sobre la educación específica, la productividad de las distintas áreas del

conocimiento y las condiciones del mercado laboral.

Cuadro 11: Tasas de retorno de la escolaridad por áreas del conocimiento. Modelo restringido.

Área Técnico Grado Posgrado

Artes y Humanidades 47.11*** 73.32*** 109.90***

7.05E-02 3.07E-02 8.98E-02

Ciencias Sociales 43.48*** 70.29*** 113.15***

7.13E-02 2.67E-02 6.00E-02

Negocios 50.39*** 76.49*** 114.92***

2.65E-02 1.99E-02 3.81E-02

Derecho* --- 78.34*** 116.91***

--- 2.31E-02 6.53E-02

Ciencias Exactas 51.44*** 77.31*** 114.43***

3.94E-02 2.69E-02 6.29E-02

Ingenierías 61.73*** 87.59*** 116.04***

2.48E-02 2.06E-02 6.15E-02

Ciencias de la Salud 67.20*** 79.87*** 120.66***

6.48E-02 2.42E-02 4.64E-02

Otros 38.08*** 74.17*** 102.61***

2.34E-02 2.09E-02 3.63E-02 Fuente: elaboración propia con datos de la ENOE III de 2014.

Nota: el valor de los coeficientes es presentado como porcentaje.

***p<0.01, ** p<0.05, * p<0.1.

De acuerdo con los resultados del Cuadro 11 Cuadro 14 se construyó una clasificación mayor a

menor retorno, Cuadro 12Cuadro 15. Es destacable que según dicha clasificación, los Campos de

20

Formación Académica que presentan la mayor tasa de retorno son las Ciencias de la Salud,

Ingenierías y el Derecho, así como las Ciencias Exactas en el caso de la educación técnica10. En

cambio, las áreas del conocimiento que muestran el menor rendimiento son las Artes y

Humanidades, Ciencias Sociales y Otros.

Cuadro 12: Clasificación de áreas del conocimiento según tasa de rendimiento.

Posición Técnico Grado Posgrado

1º Ciencias de la

Salud Ingenierías

Ciencias de la

Salud

2º Ingenierías Ciencias de la

Salud Derecho

3º Ciencias

Exactas Derecho Ingenierías

4º Negocios Ciencias

Exactas Negocios

5º Artes y

Humanidades Negocios

Ciencias

Exactas

6º Ciencias

Sociales Otros

Ciencias

Sociales

7º Otros Artes y

Humanidades

Artes y

Humanidades

8º Derecho* Ciencias

Sociales Otros

Fuente: elaboración propia con datos de la ENOE III de 2014.

Nota: * la tasa de retorno para los técnicos del área de derecho fue no

significativa porque solamente se contó con dos observaciones en la

encuesta.

Para conocer las posibles causas que generan divergencias entre las tasas de retorno a la educación

por áreas del conocimiento y nivel académico, se efectuó una regresión múltiple que toma el

rendimiento de la escolaridad como variable dependiente y el porcentaje de informalidad,

desempleo y observaciones de cada grupo como variables explicativas.

Según los resultados del Cuadro 13, el porcentaje de trabajadores informales es la única variable

significativa a la hora de explicar las divergencias que se presentan en cuanto al rendimiento de la

escolaridad por áreas del conocimiento y nivel académico. Este hecho confirma la estrecha

correlación negativa entre informalidad y tasa de retorno a la educación que fue descrita en la

subsección anterior.

10 La tasa de retorno estimada para los técnicos del área del derecho fue no significativa debido a que solamente se

contó con dos observaciones.

21

Cuadro 13: Regresión entre la tasa de retorno de la educación y variables del mercado laboral.

Variable Coeficiente

% Informales -2.136***

0.199

% Desempleados -0.595

0.432

% Observaciones -0.158

0.923

Intercepto 1.359***

0.052 Fuente: elaboración propia con datos de la ENOE III de 2014.

Nota: el valor de los coeficientes es presentado como porcentaje.

***p<0.01, ** p<0.05, * p<0.1.

Por otro lado, la no significancia estadística del porcentaje de desempleados en la regresión puede

explicarse debido a que la forma funcional de dicha variable y del rendimiento de la escolaridad

con respecto al nivel educativo es claramente diferente. Es decir, el porcentaje de desempleados

presenta niveles relativamente similares en los títulos técnicos y posgraduales, mientras que

encuentra su nivel más alto entre los trabajadores con grado. Dicho comportamiento podría

graficarse mediante una campana de Gauss. En cambio, la trayectoria que describe el rendimiento

de la escolaridad con respecto a los títulos académicos se puede describir mediante una línea recta

de pendiente positiva.

Con respecto al porcentaje de observaciones, dicha variable fue utiliza como proxy de la oferta

laboral ya que la encuesta utilizada es representativa de la población debido a su diseño muestral,

el cual fue probabilístico, bietápico y estratificado. Por otro lado, la no significancia de dicha

variable indica que las diferencias en cuanto al rendimiento de la escolaridad no se encuentra

explicado de forma relevante por la cantidad de trabajadores que exista para cada nivel académico

y área del conocimiento. En cambio, se puede prever que existen variables alternativas, como la

productividad, que explican la divergencia existente entre las mencionadas tasas de retorno.

Por otra parte, el Cuadro 14 muestra la diferencia entre la tasa de retorno a la escolaridad predicha

por el modelo no restringido y el restringido. Es importante recordar que dicha diferencia

constituye una proporción del rendimiento por formalización del trabajo formal o el sesgo por

omisión de la informalidad.

Cuadro 14: Diferencia entre las tasas de retorno a la escolaridad por áreas del conocimiento.

Área Técnico Grado Posgrado

Artes y Humanidades 11.560 14.559 21.474

6.32E-03 2.70E-03 8.34E-03

Ciencias Sociales 12.639 16.387 20.238

6.39E-03 2.28E-03 5.52E-03

Negocios 13.666 17.967 22.217

2.29E-03 1.58E-03 3.37E-03

Derecho* --- 16.435 22.172

--- 1.94E-03 6.01E-03

Ciencias Exactas 15.402 17.702 22.036

22

3.47E-03 2.28E-03 5.78E-03

Ingenierías 16.225 18.354 21.557

2.08E-03 1.63E-03 5.65E-03

Ciencias de la Salud 17.480 17.311 22.886

5.77E-03 2.03E-03 4.18E-03

Otros 12.422 18.711 22.885

2.01E-03 1.65E-03 3.18E-03 Fuente: elaboración propia con datos de la ENOE III de 2014.

Nota: el valor de los coeficientes es presentado como porcentaje. Se

muestran los resultados del modelo no restringido menos los obtenidos

por el restringido.

De acuerdo con los resultados del Cuadro 14 se construyó una clasificación de mayor a

menor diferencia entre los coeficientes del modelo no restringido y restringido, Cuadro 15. Es

destacable que según dicha clasificación, los campos de formación académica que presentan sesgos

de mayor dimensión cuando se omite la informalidad son: Ciencias de la Salud en niveles técnico

y posgrado; Ingenierías en técnico y grado; Ciencias Exactas, en técnico; Negocios en posgrado y

Otros en grado y posgrado. Por otra parte las áreas del conocimiento que presentan sesgos de menor

cuantía son: Artes y Humanidades, y Ciencias Sociales en todos los niveles; Otros en técnico;

Derecho en grado e Ingenierías en Posgrado.

Cuadro 15: Clasificación de áreas del conocimiento según diferencial de tasas de rendimientos entre el modelo

restringido y no restringido.

Posición Técnico Grado Posgrado

1º Ciencias de la Salud Otros Ciencias de la Salud

2º Ingenierías Ingenierías Otros

3º Ciencias Exactas Negocios Negocios

4º Negocios Ciencias Exactas Derecho

5º Ciencias Sociales Ciencias de la Salud Ciencias Exactas

6º Otros Derecho Ingenierías

7º Artes y

Humanidades Ciencias Sociales Artes y

Humanidades

8º Derecho* Artes y

Humanidades Ciencias Sociales Fuente: elaboración propia con datos de la ENOE III de 2014.

Nota: * la tasa de retorno para los técnicos del área de derecho fue no

significativa porque solamente se contó con dos observaciones en la

encuesta.

De igual modo, la anterior clasificación puede interpretarse desde la perspectiva del

rendimiento por formalización del trabajo y observar los campos de formación que presentaron las

proporciones más altas de dicho retorno.

23

IV. CONCLUSIONES

Las funciones de ingreso utilizadas para el presente estudio cuentan con múltiples limitaciones

debido a los supuestos que asumen. En primer lugar, la no simultaneidad del período de estudio y

trabajo se incumple generalmente en la realidad Latinoamericana, así como la separabilidad entre

la educación y la experiencia. De igual modo, se observa que la etapa laboral no inicia

inmediatamente después de concluir los estudios, ni que estos sean realizados en una sucesión

progresiva de niveles, ya que habitualmente los títulos posgraduales son alcanzados tras una fase

laboral. Adicionalmente, la disponibilidad de datos supone retos adicionales debido a la

inexistencia o complejidad a la hora de construir variables proxy sobre los períodos de desempleo

y la habilidad innata de las personas.

Sin embargo, los modelos similares al propuesto por Mincer (1974) han posibilitado una amplia

gama de estudios empíricos a pesar de sus limitaciones ya que permiten identificar tendencias

generales de especial interés para la economía laboral.

El presente estudio confirmó las conclusiones tradicionales que ofrecen las ecuaciones de ingreso

de tipo minceriano tales como: el efecto incremental de la educación en el ingreso laboral de los

trabajadores, los signos esperados de los coeficientes y la existencia de sesgo de selección. No

obstante, se pudo avanzar en la teoría ofreciendo una perspectiva no abordada por las

investigaciones citadas en el marco teórico y los antecedentes. Específicamente se analizó el

comportamiento de las tasas de rendimiento de la escolaridad en un contexto de informalidad.

Entre los resultados de la investigación se puede destacar que se demostró la existencia de sesgo

cuando se estiman tasas de retorno de la educación y se omite la informalidad, ya que esta es una

variable relevante para el modelo y presenta una importante correlación con la escolaridad. En tal

sentido, dicha omisión genera una sobreestimación de los coeficientes de la función de ingresos.

De igual modo se identifica la senda creciente del sesgo con relación a los años de educación, la

cual es causada por la mayor proporción de trabajadores formales en los niveles académicos más

altos y por la menor proporción de trabajadores informales en estos. Dicha explicación permite

argumentar que si no se contrala el efecto parcial de la informalidad, las tasas de rendimiento de la

escolaridad recogen una proporción de un retorno por formalización del empleo o condición de

formalidad.

Con respecto a los Campos de Formación Académica, los que presentan la mayor tasa de retorno

son las Ciencias de la Salud, Ingenierías y el Derecho, así como las Ciencias Exactas en el caso de

la educación técnica. En cambio, las áreas del conocimiento que muestran el menor rendimiento

son las Artes y Humanidades, Ciencias Sociales y Otros.

Por otra parte, al evaluar algunos posibles determinantes de las divergencias entre las tasas de

rendimiento de la escolaridad se analizó el efecto de: a) la proporción de observaciones para cada

nivel educativo y área del conocimiento, esta fue asumida como una variable proxy de la oferta

trabajo de cada título; b) el porcentaje de desempleados en cada título y campo de formación

académica; y c) la fracción de informales en cada una de estas. Cabe destacar que esta última variale

fue la única estadísticamente significativa.

La no significancia del porcentaje de desempleados obedece a la diferencia en las formas

funcionales de dicha variable con respecto al sesgo, ya que la primera puede describirse como una

campana de Gauss y la segunda como una recta creciente.

24

En cuanto a la proporción de observaciones, esta tampoco resultó significativa, por lo cual se puede

prever que posiblemente la oferta de trabajo no sea la variable más relevante para explicar las

diferencias en las tasas de rendimiento, en cambio, pueden existir variables alternativas, como la

productividad, que generen mejores estimaciones.

Al respecto, Soto, Barceinas & Raymond (2007) argumentan que cuando existe una

expansión significativa del trabajo cualificado, las tasas de retorno a la educación tienden a

reducirse debido al efecto de la competencia entre las personas y la limitada capacidad de absorción

que en ocasiones presentan las economías en el corto plazo.

En vista de lo anterior se puede ofrecer una mayor capacitación de la fuerza laboral, que permita

que la PEA(Población económicamente Activa) ser más competitivo y que las empresas puedan

demandar fuerza laboral calificada; de igual manera las instituciones debe propender por una

educación que le permita a las personas ser eficientes a la hora de afrontar su labores.

Los resultados obtenidos demuestran que para asegurar el bienestar de los trabajadores y el

bienestar las personas, las políticas educativas y las políticas laborales deben estar sincronizadas,

esto a razón de que al incrementar los años de escolaridad de la población puede ser

contraproducente en el sistema económico para la política laboral; es por ello que el principal

problema de las personas con un nivel académico alto es que no sean absorbidos en el sistema

laboral por parte de las empresas; esto prevé que estas personas vean una oportunidad en el mercado

informal, generando en el mediano y largo plazo una reducción en los retornos o ingresos que

afectan temas como las pensiones, seguridad social y la calidad de vida de las personas.

Cabe resaltar que el modelo planteado en el trabajo de investigación se ira modificando para

futuras investigaciones o continuidad de la misma.

Respecto al comentario sobre demasiados sesgos en el trabajo, solo se planteó uno relacionado

con el sesgo de omisión de variable, el resto de sesgos son explicativos que permiten

comprender el documento.

V. REFERENCIAS

Arrazola, M., & de Heiva, J. (2001). Análisis empírico de la depreciación del capital humano para el caso

de las mujeres y los hombres en España. Madrid: Instituto de Estudios Fiscales. AVSI & Fondazione per la Sussidiarietà. (2008). CAPITAL HUMANO, recurso para el desarrollo La

experiencia en el mundo de tres ONG italianas: AVSI, ICU, Monserrate. Milán: AVSI &

Fondazione per la Sussidiarietà.

Barceina, F. (2 de Abril de 2001). Capital humano y rendimientos de la educación en México. Obtenido

de Universitat Autònoma de Barcelona. Departament d'Economia Aplicada:

http://hdl.handle.net/10803/3983

Barceinas, F. (1999). Función de ingresos y rendimientos de la educación en México. EEco 1, 87-127.

Becker, G. (1962). Investment in human capital: A theoretical analysis. The journal of political economy.

JSTOR, 9-49.

Bracho, T., & Zamudio, A. (1994). Los rendimientos económicos de la escolaridad en México, 1989.

Economía Mexicana. Nueva Época, vol. III, Nº 2, 345-377.

Cantillon, R. (1775). Essai sur la nature du commerce en général. Obtenido de Institut Coppet:

http://www.institutcoppet.org/wp-content/uploads/2011/12/Essai-sur-la-nature-du-commerce-en-

gener-Richard-Cantillon.pdf

25

Cañibano, C. (2005). El capital humano: factor de innovación, competitividad y crecimiento. Pamplona,

España: Actas del Sexto Congreso de Economia de Navarra: Competitividad y crecimiento

económico.

Carnoy, M. (1967). Rates of returns to schooling in Latin America. The Journal of Human Resources,vol.

2, Nº 3, 359-374.

Castillo, A. (2016). Depreciación del capital humano en la Alianza del Pacífico durante 2007-2014.

Revista de Ciencias Económicas de la Universidad de Costa Rica, 10-46.

Denison, E. (1967). (Why Growth Rates Differ . Washington D.C.: The Brookings Institution.

geografía, I.-i. n. (2008). Medición de la Economía Informal, 2014 preliminar. Año Base 2008. Obtenido

de http://www.inegi.org.mx/

Giménez, G. (2005). La dotación de capital humano en América Latina y el Caribe. Revista de la CEPAL

86, 103-122.

González, C. (5 de Agosto de 2014). Sesgo de selección muestral con Stata. Obtenido de Universidad

ICESI: http://www.icesi.edu.co/e_portafolio/artefact/file/download.php?file=2736&view=286

Griliches, Z. (1977). Estimating the return to schooling: some econometric problems. Econometrica, 1-22.

Heckman, J. (1979). Sample selection bias as a specification error. Econometrica, vol. 47, Nº 1, 153-161.

Lenti, L. (1967). Gli investimenti in capitale umano. L’industria, 145-148.

Lewis, H. (1974). Comments on selectivity bias in wage comparison. The Journal of Political Economy,

vol. 82, Nº 6,, 1145-1155.

López-Acevedo, G. (2004). Mexico: Evolution of earnings inequality and rates of returns to education

(1988-2002). Estudios Económicos, vol. 19, Nº 2, 211-284.

Martínez, B. (2012). Efectos de depreciación en el capital humano: evidencia empírica por nivel de

cualificación y ramas de actividad en Colombia. Tesis de grado, Universidad del Valle.

Mincer, J. (1974). Schooling, experience, and earnings. NBER Books, National Bureau of Economic

Research, Inc.

Mincer, J. (1974). Schooling, experience, and earnings. Massachusetts: NBER. Obtenido de

http://papers.nber.org/books/minc74-1

Mincer, J., & Ofek, H. (1982). Interrupted work careers: Depreciation and restoration of human capital.

Journal of Human Resources, JSTOR, 3-24.

Morales-Ramos, E. (2011). Los Rendimientos de la Educaciónn en México. Banco de México - Working

Papers.

Murillo, I. (2005). Depreciación del capital humano: una aproximación por sectores, por ocupación y en el

tiempo. XIII Encuentro de Economía Pública.

Neuman, S., & Weiss, A. (1995). On the effects of schooling vintage on experience-earnings profiles:

theory and evidence. European economic review, Elsevier, 39, 943-955 .

OCDE. (2007). HUMAN CAPITAL: HOW WHAT YOU KNOW SHAPES YOUR LIFE. París: OECD

INSIGHTS.

OIT. (2010). Una fuerza de trabajo capacitada para un crecimiento sólido, sostenible y equilibrado.

Ginebra.

Ordaz, J. (2007). México: capital humano e ingresos. Retornos a la educación, 1994-2005. CEPAL - Serie

Estudios y perspectivas No. 90.

Petty, W. (1690). Political Arithmetick. Obtenido de Marxists.org:

https://www.marxists.org/reference/subject/economics/petty/

Psacharopoulos, G., Vélez, E., Panagides, A., & Yang, H. (1996). Returns to Education During Economic

Boom and Recession: Mexico, 1984, 1989 and 1992. Education Economics, Vol. 4, N° 3, 219-

230.

Raymond, J., & Roig, J. (2004). Human capital depreciation: a sectoral approach. Documento de Trabajo,

Universidad Autónoma de Barcelona.

Sarimaña, E. (2002). Rendimiento de la escolaridad en México: Una aplicación del método de variables

instrumentales para 1998. Gaceta de Economía, año 7, Nº 14.

Schultz, T. (1961). Capital formation by education. The journal of political economy, 68.

26

Singh, R., & Santiago, M. (1997). Farm Earnings, Educational Attainment, and Role of Public Policy:

Some Evidence from Mexico. World Development, Vol. 25, Nº 12, 2143-2154.

Smith, A. (1776). Investigación de la naturaleza y causas de la riqueza de las naciones. Obtenido de

Marxists.org: https://www.marxists.org/espanol/smith_adam/1776/riqueza/smith-tomo1.pdf

Smith, P., & Metzer, M. (1998). The Return to Education: Street Vendors in Mexico. World Development

, Vol. 26, Nº 2, 289-296.

Solow, R. (1957). Technical change and the aggregate production function. The review of Economics and

Statistics, JSTOR, 312-320.

Soto, G., Barceinas, R., & Raymond, J. (2007). Depreciación del capital humano. una aproximación

sectorial: el caso de México. Obtenido de Universidad Autónoma Metropolitana - Azcapotzalco:

http://www.azc.uam.mx/socialesyhumanidades/02/posgrados/ciencias_economicas/contenidos/01/

Dep%20HC%20M%E9xico5.pdf

Terrones, M., & Calderón, C. (1993). Educación, capital humano y crecimiento económico: el caso de

América Latina. Revista Economía, issue 31, 23-70.

TRABAJO, O. I. (2010). Una fuerza de trabajo capacitada para un crecimiento sólido, sostenible y

equilibrado. Ginebra.

Vignoli, G. (2012). Tasa de depreciación de capital humano: Evidencia empírica para Argentina. Serie

Documentos de Trabajo, Universidad del CEMA: Área: economía.

Willis, R. (1986). Wage determinants: a survey and reinterpretation of human capital earnings functions.

Handbook of Labor Economics , Vol. I.

ANEXOS

Cuadro 16: Cantidad de observaciones por nivel académico y disciplina

Carreras Técnico Grado Posgrado Total

Artes y humanidades 155 1,246 104 1,505

Ciencias Sociales 157 2,005 251 2,413

Negocios 1,798 9,439 750 11,987

Derecho 2 3,575 204 3,781

Ciencias Exactas 614 1,957 231 2,802

Ingenierías 2,257 7,478 239 9,974

Ciencias de la Salud 185 2,782 445 3,412

Otros 2,763 6,424 851 10,038

Total 7,931 34,906 3,075 45,912 Fuente: elaboración propia con datos de la ENOE III de 2014.

Cuadro 17: Tasa de retorno a la educación por áreas del conocimiento. Modelo general, restringido y diferencia de parámetros.

Técnico Grado Posgrado

Área No

Restringido Restringido Diferencia

No

Restringido Restringido Diferencia

No

Restringido Restringido Diferencia

Artes y

Humanidades 58.672*** 47.111*** 11.560 87.879*** 73.320*** 14.559 131.375*** 109.901*** 21.474

7.68E-02 7.05E-02 6.32E-03 3.34E-02 3.07E-02 2.70E-03 9.82E-02 8.98E-02 8.34E-03

Ciencias Sociales 56.117*** 43.479*** 12.639 86.676*** 70.289*** 16.387 133.383*** 113.146*** 20.238

7.77E-02 7.13E-02 6.39E-03 2.90E-02 2.67E-02 2.28E-03 6.55E-02 6.00E-02 5.52E-03

27

Negocios 64.061*** 50.395*** 13.666 94.457*** 76.489*** 17.967 137.138*** 114.922*** 22.217

2.88E-02 2.65E-02 2.29E-03 2.15E-02 1.99E-02 1.58E-03 4.14E-02 3.81E-02 3.37E-03

Derecho --- --- --- 94.776*** 78.341*** 16.435 139.078*** 116.906*** 22.172

--- --- --- 2.51E-02 2.31E-02 1.94E-03 7.13E-02 6.53E-02 6.01E-03

Ciencias Exactas 66.842*** 51.440*** 15.402 95.014*** 77.312*** 17.702 136.468*** 114.432*** 22.036

4.29E-02 3.94E-02 3.47E-03 2.92E-02 2.69E-02 2.28E-03 6.86E-02 6.29E-02 5.78E-03

Ingenierías 77.952*** 61.727*** 16.225 105.945*** 87.591*** 18.354 137.598*** 116.041*** 21.557

2.69E-02 2.48E-02 2.08E-03 2.22E-02 2.06E-02 1.63E-03 6.71E-02 6.15E-02 5.65E-03

Ciencias de la Salud 84.683*** 67.203*** 17.480 97.183*** 79.872*** 17.311 143.548*** 120.661*** 22.886

7.06E-02 6.48E-02 5.77E-03 2.62E-02 2.42E-02 2.03E-03 5.06E-02 4.64E-02 4.18E-03

Otros 50.501*** 38.079*** 12.422 92.885*** 74.174*** 18.711 125.493*** 102.608*** 22.885

2.54E-02 2.34E-02 2.01E-03 2.25E-02 2.09E-02 1.65E-03 3.94E-02 3.63E-02 3.18E-03

Fuente: elaboración propia con datos de la ENOE III de 2014.

Nota: el valor de los coeficientes es presentado como porcentaje. La columna denominada diferencia muestra los

resultados del modelo no restringido menos los obtenidos por el restringido. ***p<0.01, ** p<0.05, * p<0.1.

Gráfico 4: Tasas de retorno de la escolaridad por áreas del conocimiento. Modelo restringido.

Fuente: elaboración propia con datos de la ENOE III de 2014.

Nota: se descarta el coeficiente de Derecho en nivel técnico debido a que se contó con dos

observaciones solamente y por tal razón el coeficiente estimado fue no significativo.

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

1,1

1,2

Artes yHum.

CienciasSociales

Negocios Derecho CienciasExactas

Ingenierias Cienciasde la Salud

Otros

28

Gráfico 5: Diferencia entre las tasas de retorno a la escolaridad por áreas del conocimiento.

Fuente: elaboración propia con datos de la ENOE III de 2014.

Nota: se descarta el coeficiente de Derecho en nivel técnico debido a que se contó con dos

observaciones solamente y por tal razón el coeficiente estimado fue no significativo.

0,000%

5,000%

10,000%

15,000%

20,000%

25,000%